Skip to main content
3 de 3
se añadieron 447 caracteres en el cuerpo; etiquetas editadas

Como calcular el índice de Gini para variables categóricas?

Me gustaría calcular el índice de Gini en python con variables categóricas. Vi este código que podría servirme para reciclar:

def gini(x):
# (Warning: This is a concise implementation, but it is O(n**2)
# in time and memory, where n = len(x).  *Don't* pass in huge
# samples!)

# Mean absolute difference
mad = np.abs(np.subtract.outer(x, x)).mean()
# Relative mean absolute difference
rmad = mad/np.mean(x)
# Gini coefficient
g = 0.5 * rmad
return g

Tengo datos con zonas visitadas por personas por ejemplo:

  • persona 1: [zona2, zona4, zona5, zona2, zona2]
  • persona 2 [zona1, zona5, zona4, zona1, zona1, zona3]
  • persona 3 [zona3, zona3, zona3, zona1, zona3]

y quiero saber que tan dispersa (o poco dispersa) esta esa persona dependiendo de las zonas que visite en un parámetro de 0 a 1. Entonces, quiero obtener que la persona 3 está menos dispersa que la persona 1. Creo que el valor 0 de este parámetro representa menos dispersión. Para hacer eso, creo que el índice de Gini representa eso, pero mis variables (zonas) son categóricas.

¿Sabes cómo puedo resolver esto?